Агентный искусственный интеллект развивается стремительно. Предприятия переходят от экспериментов к реальному внедрению — используя агентов ИИ для действий, а не просто для ответов. Это должно поставить интеграцию на первое место. В конце концов, агент ИИ без интеграции — это всего лишь механизм ответов, он не может предпринимать действия. Тем не менее, многие организации повторяют знакомую ошибку: создают возможности ИИ изолированно, в отрыве от команд, которые уже управляют интеграцией, пишет в корпоративном блоге Дэвид Мутер, главный аналитик Forrester.

Команды беспокоят архитектурная неопределенность, развивающиеся стандарты и ​​неясные модели безопасности. В то же время фрагментированные эксперименты создают разрозненность и технический долг.

Эти проблемы не новы. Они отражают ранние этапы развития сферы API.

В чем разница? Темпы внедрения ИИ намного выше, а последствия слабого управления интеграцией проявляются быстрее. Таковы выводы из недавнего отчета Forrester «Govern MCP By Extending API Governance To AI Agents».

Многие организации уже имеют проверенную систему управления интеграцией: свою команду интеграции API. Эта команда понимает, как управлять распределенными системами в масштабе. Она имеет опыт работы с:

• безопасностью и контролем доступа;
• версионированием и управлением жизненным циклом (вы же понимаете, что серверам MCP и карточкам агентов необходимо версионирование и управление жизненным циклом, верно?);
• наблюдаемостью и операционной отказоустойчивостью в распределенных системах;
• каталогами для публикации многократно используемых интеграционных ресурсов и подключений клиентов, аналогично тому, как это следует делать с LLM, серверами MCP и карточками агентов.

Тем не менее, на многих предприятиях ИИ-инициативы осуществляются изолированно, без достаточной согласованности с этой командой.

Это ошибка.

Наивно рассматривать системы агентного ИИ только как модели и озера данных. Это приложения, состоящие из сервисов, API и рабочих процессов. Данные Forrester показывают, что организации с высокой готовностью к внедрению агентного ИИ на следующие 12 месяцев отдают приоритет интеграции и управлению изменениями, в то время как организации с низкой готовностью отдают приоритет возможностям моделей.

Агентный ИИ меняет многое. Традиционно, в случае с ИИ/машинным обучением, основная проблема заключалась в том, чтобы собрать все данные в озере данных, где они могли бы обучать модель. Но с агентным ИИ вы покупаете модели. Теперь основная проблема заключается в соединении этих моделей с контекстом реального времени. Это делает акцент на данных в движении и подключенности, а не данных в состоянии покоя. Таким образом, фокус смещается с озер данных на интеграцию и, в частности, на управление API.

Вы должны встроить ИИ в вашу существующую стратегию интеграции с самого первого дня. Рассматривайте взаимодействие агентов как управляемые интеграции, подчиняющиеся тем же требованиям к надежности, безопасности и управлению жизненным циклом. С точки зрения управления, это означает расширение проверенных практик API, а не начало с нуля. Политики безопасности, подходы к версионированию, шаблоны наблюдаемости и каталоги для обнаружения и подключения уже существуют. Поставщики решений для управления API быстро расширяют эти возможности от REST до прокси LLM и MCP. Применение их к агентам ИИ обеспечивает согласованность между цифровыми каналами и снижает вероятность неожиданностей по мере масштабирования внедрения.